文章目录
- 方案概述
- 方案特色
- 系统架构
- 典型客户
方案概述
银行业是一个数据驱动的行业，数据也一直是银行信息化的主题词。 随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 银行在大数据技术应用方面具有天然优势：一方面，在业务开展过程中积累了大量有价值的数据，通过运用大数据技术挖掘和分析之后，这些数据将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技术。建立“金融大数据服务平台”， 可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、风险控制、产品创新、业务体验优化、客户综合管理等多种金融服务。
方案特色
创新把大数据平台数据多样性的特点融入传统银行，全面有效支撑精准营销，风险防控，反欺诈，大数据动态评级金融机构等应用场景帮助金融机构实现产品创新和客户创新。
系统架构
搭建Hadoop大数据集群，是建设“金融大数据服务平台”的基础。利用多台性能较为一般的服务器，组成一套基于HDFS和Map-Reduce机制的集群，并根据需要在其上安装Hive、HBase、Sqoop、ZooKeeper等软件;“金融大数据服务平台”由数据获取层、数据存储层、数据加工整合层和业务应用层组成。 数据获取层：负责从各类数据源中提取、导入数据。内部数据:采用ETL（INFA、DS、Kettle）等抽取工具;外部数据：动态采集SDK、日志提取分析工具、外部数据导入工具、网页数据等。 数据存储层：负责将预处理后的数据进行存储，主要由可进行横向扩展的Hadoop集群构成，另外辅之以关系数据库作数据中转、元数据存储、供某些软件使用等用途。 数据整合、应用集市层：负责金融数据经建模、确立新模型建设目标。按照“数据标准先行，数据管控落地，应用驱动与数据驱动相结合”的建设方法论，确立了“落实数据标准，实现集中共享，提升各个应用，支持经营决策，统一全行报表，挖掘数据 价值”建设目标 业务应用层：与前端业务交互，负责将结果可视化展现形式。
典型客户
■ 宁波银行 ■ 上海银行 ■ 射阳农商行 ■ 中银消费
